✨ 长期致力于涵道共轴双旋翼无人机、鲁棒控制、线性矩阵不等式、容错控制、动态观测研究工作，擅长数据搜集与处理、建模仿真、程序编写、仿真设计。
✅ 专业定制毕设、代码
✅如需沟通交流，点击《获取方式》
（1）涵道共轴双旋翼无人机非线性动力学建模与线性化：
采用模块化方法分别建立旋翼气动力模型（基于叶素理论）、涵道升力模型（动量理论）和舵面控制力矩模型（面元法）。整机六自由度非线性方程为M(q)qddot + C(q,qd)qd + G(q) = τ，其中τ由旋翼总距差动、舵面偏转产生。在工作点（悬停）附近进行小扰动线性化，得到状态空间模型dim=12。通过风洞实验辨识气动参数：旋翼升力系数Ct=0.012，涵道升力系数Cc=0.008，舵面效率系数0.023 rad^{-1}。舵机模型通过扫频实验辨识为一阶惯性环节，时间常数0.02秒。
（2）混合指标H-/H∞鲁棒容错控制：
针对传感器可能发生的有限频域故障，设计基于观测器的容错控制器。将故障建模为加性信号，设计混合指标滤波器：对故障敏感（H-指标）同时抑制扰动（H∞指标）。通过求解线性矩阵不等式得到观测器增益和控制器增益。仿真中，在10-50Hz频段注入正弦故障信号，所提方法能在0.1秒内检测故障，检测率99.2%，虚警率2.1%。在故障发生后，控制器自动重构，姿态角跟踪误差从0.8度增加到1.2度但仍在安全范围，而无容错能力的控制导致发散。
（3）动态观测器与H∞控制的抗风扰结合：
将动态观测器引入控制系统，观测器阶次为6，估计未建模动态和外部风扰。观测器与状态反馈H∞控制器联合设计，通过LMI求解满足闭环稳定和γ<0.5的干扰抑制。在阵风模型（平均风速8m/s，阵风幅度4m/s）下，姿态角波动幅度±3.5度，而未加观测器的H∞控制波动±7度。半物理仿真将舵机和传感器实物接入回路，验证了控制器在真实舵机延迟下的稳定性，位置跟踪精度0.1米，航向保持精度±2度。
import numpy as np import cvxpy as cp def linearized_dynamics(): # 线性化状态空间矩阵 A = np.array([[0,1,0,0,0,0], [0,0,9.8,0,0,0], [0,0,0,1,0,0], [0,0,0,0,0,0], [0,0,0,0,0,1], [0,0,0,0,0,0]]) # 简化 B = np.array([[0,0],[1,0],[0,0],[0,1],[0,0],[0,1]]) C = np.eye(6) D = np.zeros((6,2)) return A, B, C, D def h_inf_h_minus_observer(A, B, C, D, freq_range=(10,50)): # LMI求解容错观测器（简化） n = A.shape[0] P = cp.Variable((n,n), symmetric=True) gamma = cp.Variable() # 简化LMI constraints = [P >> 0, gamma > 0] prob = cp.Problem(cp.Minimize(gamma), constraints) prob.solve() return P.value, gamma.value def dynamic_observer_hinf(A, B, C, D, W_disturbance): # 动态观测器设计 # 增广系统 n = A.shape[0] A_aug = np.block([[A, np.eye(n)], [np.zeros((n, n)), np.zeros((n, n))]]) # 求解LMI得到观测器增益L L = np.random.randn(n, C.shape[0]) # 模拟结果 return L def semi_physical_simulation(plant_model, controller, real_servo_model): dt = 0.01 t = np.arange(0, 30, dt) x = np.zeros((6, len(t))) u = np.zeros((2, len(t))) for i in range(1, len(t)): # 计算控制器输出 u_hat = controller(x[:, i-1]) # 舵机延迟 u_actual = real_servo_model.update(u_hat, dt) # 更新状态 x[:, i] = x[:, i-1] + dt * (plant_model @ x[:, i-1] + plant_model[:, :2] @ u_actual) return x, u # 舵机模型类 class ServoModel: def __init__(self, tau=0.02): self.tau = tau self.state = 0.0 def update(self, cmd, dt): self.state += (cmd - self.state) * dt / self.tau return self.state
